隨著科技的快速發(fā)展,各個(gè)領(lǐng)域?qū)β窂揭?guī)劃技術(shù)的要求不斷提高,然而傳統(tǒng)的智能算法在路徑規(guī)劃技術(shù)的應(yīng)用中大都存在著一定的局限性,因此如何改進(jìn)傳統(tǒng)智能算法的性能并將其應(yīng)用到路徑規(guī)劃技術(shù)中是一個(gè)研究重點(diǎn)。蟻群算法作為常見的智能算法不僅具有并行性、自組織性、正反饋性和魯棒性等特點(diǎn),還具有良好的優(yōu)化能力,因此被廣泛應(yīng)用于數(shù)據(jù)聚類分析、路徑規(guī)劃問(wèn)題和車輛調(diào)度等實(shí)際問(wèn)題求解。但傳統(tǒng)蟻群算法也有一些明顯不足,如易陷入局部最優(yōu)和搜索效率低等。因此改進(jìn)傳統(tǒng)蟻群算法的缺點(diǎn),并將其應(yīng)用到路徑規(guī)劃問(wèn)題中的研究具有重要意義。本文針對(duì)傳統(tǒng)蟻群算法容易陷入局部最優(yōu)、搜索效率低等問(wèn)題進(jìn)行了改進(jìn)。并將改進(jìn)的蟻群算法應(yīng)用到二維和三維環(huán)境中,通過(guò)算法仿真驗(yàn)證了改進(jìn)蟻群算法在二維和三維環(huán)境中的有效性。主要工作安排如下:1.詳細(xì)介紹了路徑規(guī)劃的研究現(xiàn)狀和常見的路徑規(guī)劃算法,著重對(duì)蟻群算法的發(fā)展現(xiàn)狀進(jìn)行了介紹。2.詳細(xì)介紹了蟻群算法的基本原理和幾種經(jīng)典的改進(jìn)蟻群算法,并對(duì)蟻群算法中各個(gè)參數(shù)設(shè)置對(duì)算法性能的影響進(jìn)行了討論分析。此外,詳細(xì)介紹了蟻群算法的特征。3.在二維路徑規(guī)劃中,針對(duì)蟻群算法容易陷入局部最優(yōu)和搜索效率低的問(wèn)題,對(duì)原始蟻群... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

螞蟻覓食

重慶郵電大學(xué)碩士學(xué)位論文第2章蟻群算法概述12(a)8個(gè)時(shí)間單位后路徑1、2的信息素分布情況(b)16個(gè)時(shí)間單位后路徑1、2信息素分布情況圖2.1螞蟻覓食過(guò)程圖如圖2.1所示，假設(shè)蟻群從蟻巢出發(fā)并沿著不同的路徑尋找食物。同時(shí)規(guī)定，在螞蟻覓食的過(guò)程中，每只螞蟻在單位時(shí)間內(nèi)得到的信息素濃度是相同的且螞蟻的搜索速度相同，圖中小黑點(diǎn)表示信息素。從圖中可以看出，從巢穴到食物有兩條不同的路徑，分別是路徑1和路徑2。開始時(shí)刻，螞蟻隨機(jī)選擇路徑，假設(shè)經(jīng)過(guò)8個(gè)時(shí)間單位以后，選擇路徑1的螞蟻到達(dá)了食物點(diǎn)，而選擇了路徑2的螞蟻還未到達(dá)食物點(diǎn)。此時(shí)，選擇路徑1到達(dá)食物點(diǎn)的螞蟻開始返回時(shí)，將繼續(xù)選擇路徑1，因?yàn)榇藭r(shí)路徑2的上的螞蟻還沒(méi)到達(dá)食物點(diǎn)，顯然，此刻對(duì)于準(zhǔn)備返回蟻巢的螞蟻來(lái)說(shuō)，路徑1的信息素濃度高于路徑2。當(dāng)路徑1上的螞蟻到達(dá)巢穴時(shí)，此時(shí)路徑2上的螞蟻才剛從食物點(diǎn)出發(fā)開始進(jìn)行返回。當(dāng)蟻巢新出來(lái)螞蟻進(jìn)行路徑選擇時(shí)將選擇路徑1。因?yàn)橄啾扔诼窂?，路徑1的信息素濃度更高，螞蟻傾向于選擇信息素濃度高的路徑。蟻群算法作為一種群體智能算法，它的成立需要建立在以下三種情況下。首先，單個(gè)螞蟻的行為是無(wú)序和隨機(jī)的，但是通過(guò)蟻群算法的自組織性，最終實(shí)現(xiàn)群體一致。其次，每個(gè)螞蟻都是獨(dú)立的個(gè)體，在進(jìn)行路徑選擇的時(shí)候，由當(dāng)前螞蟻?zhàn)陨碜鰶Q定，這保證了算法求解過(guò)程中的多樣性，避免算法陷入局部最優(yōu)。最后，螞蟻之間是可以進(jìn)行相互交流的，但是這種交流是依靠路徑上的信息素進(jìn)行交流。同時(shí)單只螞蟻只能對(duì)局部環(huán)境產(chǎn)生影響，即只能對(duì)當(dāng)前螞蟻搜索過(guò)的路徑產(chǎn)生影響。不難看出，蟻群算法正是依靠算法本身的魯棒性、正反饋性和自組織性，才使得蟻群算法在求解組合優(yōu)化等問(wèn)題時(shí)顯得得心應(yīng)手。在蟻群算法求解組合優(yōu)化

重慶郵電大學(xué)碩士學(xué)位論文第2章蟻群算法概述13等問(wèn)題的過(guò)程中，螞蟻的行為可以看作是一個(gè)動(dòng)態(tài)的從無(wú)序到有序的過(guò)程。蟻群算法的邏輯圖如圖2.2所示。圖2.2蟻群算法邏輯圖2.1.2蟻群算法的數(shù)學(xué)模型蟻群算法作為一種通過(guò)觀察螞蟻的覓食過(guò)程，并從中獲得啟發(fā)，進(jìn)而提出的群智能算法。它最早用于解決TSP，現(xiàn)在已經(jīng)在多個(gè)領(lǐng)域得到了廣泛的應(yīng)用，如負(fù)載平衡問(wèn)題、圖著色問(wèn)題、車輛調(diào)度問(wèn)題等。該算法具有良好的魯棒性、并行性、正反饋性，且易與其他算法相結(jié)合。其數(shù)學(xué)模型包括以下幾個(gè)部分。（1）狀態(tài)轉(zhuǎn)移函數(shù)路徑規(guī)劃過(guò)程中，假設(shè)在起始位置有K只螞蟻，每一只螞蟻都代表著一條路徑。每只螞蟻都從起始位置出發(fā)，通過(guò)公式（2.1）所示的狀態(tài)概率函數(shù)進(jìn)行下一個(gè)路徑節(jié)點(diǎn)的選擇。值得注意的是，在螞蟻k進(jìn)行節(jié)點(diǎn)選擇時(shí)，它主要利用路徑之間的能見度（即節(jié)點(diǎn)之間的距離）和路徑之間信息素的不同來(lái)對(duì)下一個(gè)節(jié)點(diǎn)的選擇做出判斷。在t時(shí)刻螞蟻從位置i前進(jìn)到另一個(gè)位置j的概率轉(zhuǎn)移公式如下所示：,0,kijijkkisisijsallowedttjallowedttpothers(2.1)在公式（2.1）中，是信息素啟發(fā)因子，表示軌跡的相對(duì)重要性，即表示算法在進(jìn)行路徑搜索過(guò)程中信息素濃度對(duì)螞蟻搜索的重要性；是期望啟發(fā)因子，

【參考文獻(xiàn)】：
期刊論文
[1]Path planning for mobile robot using self-adaptive learning particle swarm optimization[J]. Guangsheng LI,Wusheng CHOU.  Science China（Information Sciences）. 2018(05)
[2]“互聯(lián)網(wǎng)+”時(shí)代大數(shù)據(jù)在智能交通系統(tǒng)的應(yīng)用研究[J]. 付軼欣.  科技經(jīng)濟(jì)導(dǎo)刊. 2018(01)
[3]淺談大數(shù)據(jù)在城市交通管理中的運(yùn)用[J]. 江萍珍.  科技經(jīng)濟(jì)導(dǎo)刊. 2017(30)
[4]基于改進(jìn)勢(shì)場(chǎng)蟻群算法的機(jī)器人路徑規(guī)劃[J]. 王曉燕,楊樂(lè),張宇,孟帥.  控制與決策. 2018(10)
[5]粒子群優(yōu)化的移動(dòng)機(jī)器人路徑規(guī)劃算法[J]. 韓明,劉教民,吳朔媚,王敬濤.  計(jì)算機(jī)應(yīng)用. 2017(08)
[6]交通運(yùn)輸促進(jìn)物流業(yè)降本增效的路徑[J]. 劉凌.  鐵路采購(gòu)與物流. 2016(12)
[7]基于改進(jìn)蜘蛛群居算法的移動(dòng)機(jī)器人路徑規(guī)劃方法研究[J]. 李楊,戰(zhàn)藝,李巖舟.  科學(xué)技術(shù)與工程. 2016(35)
[8]改進(jìn)蟻群算法求解移動(dòng)機(jī)器人路徑規(guī)劃[J]. 張成,凌有鑄,陳孟元.  電子測(cè)量與儀器學(xué)報(bào). 2016(11)
[9]一種改進(jìn)的移動(dòng)機(jī)器人三維路徑規(guī)劃方法[J]. 吳玉香,王超.  華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(09)
[10]基于復(fù)雜環(huán)境非均勻建模的蟻群路徑規(guī)劃[J]. 卜新蘋,蘇虎,鄒偉,王鵬,周海.  機(jī)器人. 2016(03)

博士論文
[1]基于智能優(yōu)化與RRT算法的無(wú)人機(jī)任務(wù)規(guī)劃方法研究[D]. 李猛.南京航空航天大學(xué) 2012

碩士論文
[1]基于勢(shì)場(chǎng)蟻群算法的室內(nèi)機(jī)器人路徑規(guī)劃研究[D]. 楊樂(lè).西安建筑科技大學(xué) 2018
[2]基于稀疏A*算法與進(jìn)化算法的無(wú)人機(jī)動(dòng)態(tài)航跡規(guī)劃研究[D]. 劉群芳.南昌航空大學(xué) 2016
[3]我國(guó)城市道路交通擁堵的成本測(cè)算及對(duì)策研究[D]. 李琳.大連海事大學(xué) 2013



本文編號(hào)：3529229